Das KI-System von Amazon trägt dazu bei, Spracherkennungsfehler bei Alexa um 15 % zu reduzieren.

Vor einigen Monaten hat Amazon eine Reihe von Problemen detailliert beschrieben, die Alexa daran hinderten, genaue Antworten zu geben, wenn Benutzer den virtuellen Assistenten auf bestimmten TV-Modellen, in Internet- oder Radiowerbung aktivierten. . Denn hier geht es vor allem darum, wie der Sprachassistent von Amazon Hintergrundgeräusche aus der Umgebung effektiv herausfiltern kann, um Nutzern präziseres Feedback zu geben. Kürzlich stellten Amazon-Ingenieure in einem Blogbeitrag und einem begleitenden Forschungspapier mit dem Titel „End-to-End Anchored Speech Recognition“ speziell eine neue Technik zur Geräuschisolierung vor, die auf künstlicher Intelligenz basiert und dazu beitragen kann, die Spracherkennung und Befehle von Alexa um 15 % zu verbessern. Detailliertere Informationen über die Funktionsweise des Systems werden voraussichtlich später in diesem Jahr auf der International Conference on Acoustics, Speech and Signal Processing in Brighton präsentiert.

• Disneys KI-Modell generiert aus Drehbüchern animierte Sequenzen

„Tatsächlich versuchen wir immer, Alexas Leistung zu verbessern, indem wir ihr beibringen, Befehle zu „ignorieren“, die nicht für sie bestimmt sind, mit anderen Worten, wie sie Befehle aus unzähligen Geräuschen aus der Umgebung auswählen kann. Dazu gehen wir davon aus, dass der Sprecher ein Alexa-fähiges Gerät aktiviert, indem er ein bestimmtes Weckwort sagt – normalerweise „Alexa“. – und das ist der Schlüsselbegriff, den der virtuelle Assistent in einem Chaos von Geräuschen von außen isolieren und identifizieren muss Umfeld. Grundsätzlich hilft unsere Technik dabei, Geräusche, bei denen es sich möglicherweise um Weckwörter handelt (normalerweise basierend auf Ähnlichkeiten in der Intonation oder den Phonemen), schnell zu „erfassen“ und sie mit Weckwörtern zu vergleichen. Standard zur genauen Identifizierung von Sätzen. Dann wird der Satz, dessen Elemente am ehesten mit dem Standard-Weckwort übereinstimmen, von Alexa als Befehl verstanden, während die anderen Sätze als Hintergrundgeräusch betrachtet werden“, sagte Xin Fan, Leiter des für das Projekt verantwortlichen Wissenschaftlerteams. Alexa KI erklärt.

• Die künstliche Intelligenz OpenAI besiegte das amtierende Dota-2-Weltmeisterteam

Anstatt ein separates KI-System zu trainieren, um zwischen Hintergrundgeräuschen und Weckwörtern zu unterscheiden, haben Xin Fan und Kollegen ihren Wortvergleichsmechanismus mit einem auf Intelligenz basierenden Spracherkennungsmodell zusammengeführt. Standard künstlich. Die Wissenschaftler testeten nacheinander zwei Varianten der KI-Architektur des Decoders – das heißt, sie verwendeten eine Architektur, die die Eingabedaten (millisekundenlange Schnappschüsse des Audiosignals) verarbeitet, um eine entsprechende Ausgabesequenz (phonemische Wiedergabe des Tons) zu erzeugen – und Wie bei den meisten herkömmlichen Encoder-Decodiertechniken fasst die Codierungskomponente die Eingabedaten als Vektor fester Länge (eine Zahlenfolge) zusammen und wandelt sie in Ausgabedaten um. In der Zwischenzeit wird ein spezieller Aufmerksamkeitsmechanismus, der darauf „trainiert“ ist, einige grundlegende Merkmale von Aktivierungswörtern in einer oder mehreren Sprachzeichenfolgen aus der Umgebung zu erkennen, für die „Führung“ des Satzes verantwortlich sein. Bei der Decodierung wird diesen Merkmalen im Vektor mehr Aufmerksamkeit geschenkt.

• EU: KI-Systeme sollten auf transparente und verantwortungsvolle Weise aufgebaut und eingesetzt werden

In einem Experiment trainierten die Forscher eines ihrer KI-Modelle, um mehr Wert auf die Erkennung der Wortaussprache zu legen, indem sie zunächst eine Komponente hinzufügten, die die Laute von Wörtern direkt mit verschiedenen Aussprachen vergleicht, und diese resultierenden Daten dann als Eingabe für ein anderes Wort verwendet Komponente, die darauf trainiert wurde, die Bits des Codierungsvektors zu komprimieren. Die Ergebnisse waren interessant, dieses Modell reduzierte die Fehlerquote auf 13 % im Vergleich zu 15 %.